本文研究了多编码器方法在文档级神经机器翻译中的应用，强调了上下文编码器的作用和噪声训练的重要性。实验结果显示，噪声生成和dropout方法显著提升了小数据集的翻译效果。此外，文档级回译在缺乏双文本的情况下也表现出积极作用，提出的基于上下文的翻译方法在多个语言对上取得了优异的成绩。

本论文提出了一种T-CAR框架，通过三元组校准损失、未见空间降低损失和上下文编码器等手段提高模型对未见三元组的组合泛化能力，在零样本场景图生成任务中取得了明显的改进。